Структурный сдвиг в том, как аудитория находит криптоконтент, больше не гипотеза, а измеряемый факт. Согласно данным Outset Data Pulse, в IV квартале 2025 года 25,6% всего реферального трафика на американские крипто-ориентированные медиа поступило через AI-инструменты — ChatGPT, Perplexity и Google AI Overviews. Это ставит генеративный поиск в один ряд с традиционным поиском и социальными сетями как основным слоем дискавери, и цифра продолжила расти в 2026 году.
Одновременно исследование McKinsey показало, что около половины потребителей уже используют AI-поиск, а 44% называют его основным и предпочтительным способом поиска. Для брендов, не отслеживающих эту динамику, прогнозируется падение трафика из традиционных поисковых каналов на 20–50%. Однако за цифрами скрывается более тонкий композиционный сдвиг: не просто сокращение объема, а изменение происхождения переходов. Если раньше читатель приходил с поисковой выдачи, то теперь он получает синтезированный ответ с цитированием двух-трех источников — и бренд либо назван, либо невидим.
Этот бинарный принцип лежит в основе генеративной оптимизации (GEO) — дисциплины, нацеленной на присутствие в цитируемых источниках AI-ответов, а не на ранжирование в списке ссылок. В отличие от SEO, которое оптимизирует собственные страницы, GEO работает с тем, что читают AI-движки. Аналитики установили: лишь 5–10% источников, на которые опираются AI-модели при формировании ответов, — это контент, принадлежащий самому бренду. Оставшиеся 90% и более приходятся на внешние публикации, прежде всего на заработанные медиа (earned media). Именно здесь GEO становится проблемой PR, а не только SEO.
Академический анализ 2026 года выявил систематическое предпочтение AI-движками авторитетных сторонних публикаций, ради получения которых PR-команды и работают. Таким образом, каждое размещение в уважаемом издании превращается в потенциальный источник цитирования для AI, обслуживая одновременно и живого читателя, и машину. Возникает практический вопрос: какие именно площадки имеют вес в AI-цитировании? Outset Media Index с метрикой LLM Performance позволяет считывать эту способность на уровне конкретных изданий, отделяя те, что усиливают видимость в AI-ответах, от тех, что работают только на человеческую аудиторию.
Данные Outset Data Pulse о крипто-СМИ подтверждают неравномерность этого процесса. Распределение AI-рефералов бимодально: только 26 изданий в США получили менее 20% переходов из AI, тогда как большинство превысили планку в 30–40%. Это пороговый эффект: издания, инвестировавшие в машиночитаемую структуру контента, получают непропорционально высокую видимость, а пассивные остаются практически без трафика из самого быстрорастущего канала. В региональном разрезе картина различается: в Европе доминирует традиционный поиск (46%), AI лишь начинает влиять; в Азии AI-рефералы приближаются к 20%, причем лидируют китайские издания, а корейские и японские сохраняют лояльную прямую аудиторию.
Для PR-специалистов практический вывод трехуровневый: во-первых, провести диагностику — выяснить, как бренд представлен в AI-ответах на целевых площадках; во-вторых, при выборе изданий ориентироваться на их вес в AI-цитировании, используя сигналы вроде LLM Performance; в-третьих, переосмыслить заработанные медиа как прямой рычаг AI-видимости. Команды, которые рано научатся читать дискавери по происхождению, получат устойчивое преимущество по мере расширения AI-канала. Традиционный поиск не исчезнет одномоментно, но баланс продолжит смещаться в пользу синтезированных ответов, где цитирование — это новая валюта видимости.
